基于環(huán)境補償模型的植物凈光合速率測定

李聰聰， 羅旗舞， 張瑩瑩, 3*

1. 合肥工業(yè)大學(xué)電氣與自動化工程學(xué)院， 安徽 合肥 230009

2. 中南大學(xué)自動化學(xué)院， 湖南 長沙 410083

3. 可再生能源接入電網(wǎng)技術(shù)國家地方聯(lián)合工程實驗室(合肥工業(yè)大學(xué))， 安徽 合肥 230009

引 言

光合作用是綠色植物利用太陽能轉(zhuǎn)化成化學(xué)能， 積累干物質(zhì)的自然生理過程。 研究表明， 作物生長過程中90%以上的能量積累都是基于光合作用的有效產(chǎn)出， 其轉(zhuǎn)化效率可通過光合作用速率表征， 因此提升光合速率對提高作物育種質(zhì)量、 產(chǎn)量等有非常重要的意義， 對光合速率的定性或定量分析的研究工作由來已久[1]。 植物光合作用速率的測定方法主要分為4類： 半葉法、 植物生長分析法， 釋放O2法， 吸收CO2法。 半葉法是最早用于測量光合速率的方法， 與植物生長分析法都原理簡單易操作， 但同時因效率低、 誤差大， 且在不同測量環(huán)境下的測量結(jié)果可比性較差而逐漸被替代。 釋放O2法和吸收CO2法是基于光合作用過程中O2或CO2體積或濃度的相對變化量測定光合速率。 此類方法中， 除了傳統(tǒng)的化學(xué)滴定法、 pH值法、 同位素法等以外， 各種新興的光合速率檢測方法也層出不群， 如Yin J等[2]建立了基于無線傳感器網(wǎng)絡(luò)(WSN)的番茄冠層表觀光合速率測量系統(tǒng), 并利用支持向量機(SVM)建立了冠層表觀光合速率預(yù)測模型； Yin G F等[3]研究了基于可調(diào)諧脈沖光誘導(dǎo)熒光動力學(xué)的浮游植物光合速率測量方法； Du等[4]研究了一種通過在環(huán)境控制的實驗室條件下測定離體分蘗的光合能力來快速測定水稻光合能力表型(FPM)的方法， 這些方法大多專注于某一種或一類植物的光合速率測定。 目前在光合速率測量中廣泛采用的是紅外氣體分析法， 利用CO2可選擇性地吸收特定波長紅外線輻射能的特性來分析CO2濃度變化， 產(chǎn)品技術(shù)成熟、 功能齊全， 但穩(wěn)定的環(huán)境溫度是保障紅外光源的正常工作的前提， 因此在野外復(fù)雜惡劣的工作環(huán)境下， 需要定量分析的任務(wù)需求中會產(chǎn)生較大誤差， 對于濃度極低或者吸收極弱的氣體變化， 檢測精度也相對不高。

TDLAS技術(shù)利用激光二極管的波長掃描和電流調(diào)諧特性能夠?qū)崿F(xiàn)對氣體分子光譜的指紋級特征提取[5-6]， 其抗干擾能力強、 環(huán)境適應(yīng)性強、 測量靈敏度高， 并且可實現(xiàn)對氣體的多組分測量， 在溫度高、 濕度高、 粉塵大等復(fù)雜工況條件下也能實現(xiàn)氣體濃度的精準(zhǔn)測量， 因此廣泛應(yīng)用于工業(yè)氣體檢測[7]、 燃燒診斷[8]、 醫(yī)療健康等領(lǐng)域。

提出一種基于TDLAS-FA-BLS的植物光合速率測量方法， 主要內(nèi)容包括： (1)將TDLAS技術(shù)引入精準(zhǔn)農(nóng)業(yè)測量領(lǐng)域， 用DFB激光源替代傳統(tǒng)的紅外光源測定植物凈光合作用速率， 考慮單一諧波峰值受環(huán)境因素影響較大， 且單位采樣時間的環(huán)境影響是穩(wěn)定的， 因此提出采用二次諧波峰值差表征光合作用時濃度極低或變化極弱的痕量CO2濃度的相對變化量； (2)建立基于螢火蟲算法優(yōu)化的寬度學(xué)習(xí)(FA-BLS)環(huán)境補償模型， 每只螢火蟲對應(yīng)代表BLS網(wǎng)絡(luò)權(quán)值和閾值的一組可行解， 利用FA算法對BLS網(wǎng)絡(luò)的權(quán)值和閾值進行不斷迭代和優(yōu)化調(diào)整， 獲取使FA-BLS模型性能最優(yōu)的網(wǎng)絡(luò)權(quán)值和閾值， 利用模型輸出的二次諧波峰值差補償值對存在環(huán)境影響的原始二次諧波峰值差進行補償， 進一步降低環(huán)境因素對光合速率測定的影響； (3)設(shè)計了一種基于TDLAS-FA-BLS的開路式凈光合作用速率測量系統(tǒng)， 采用雙氣室結(jié)構(gòu)(參比氣體室和開放氣體室)， 設(shè)置參比氣室記錄單位采樣時間內(nèi)的環(huán)境因素指標(biāo)； (4)通過MATLAB仿真驗證了所提出基于TDLAS-FA-BLS光合作用測量方法的有效性。

1 基于TDLAS-FA-BLS的開路式光合作用速率測量系統(tǒng)

1.1 系統(tǒng)結(jié)構(gòu)

圖1為基于TDLAS-FA-BLS的開路式光合作用速率測量系統(tǒng)結(jié)構(gòu)示意圖。 該系統(tǒng)主要包括： 信號產(chǎn)生模塊、 氣體氣室模塊、 信號檢測模塊、 數(shù)據(jù)采集模塊、 數(shù)據(jù)處理模塊。 其中， 信號產(chǎn)生模塊用于生成激光信號并完成激光在進入氣體氣室模塊前的準(zhǔn)備工作， 如完成分束、 準(zhǔn)直等操作， 主要由信號發(fā)生器、 激光控制器、 激光器、 分束器、 準(zhǔn)直器組成。 氣體氣室模塊是該系統(tǒng)的主要設(shè)計模塊， 物理空間上采用雙氣室結(jié)構(gòu)， 包括分析氣體室和參比氣體室， 用于光合作用氣體的承載以及分析對比， 單位采樣時間內(nèi)， 參比氣室是封閉的， 分析氣室是對外開放的， 即分析氣室中的氣體與外界相連， 動態(tài)反應(yīng)單位采樣時間內(nèi)光合作用的進行過程， 兩個氣室中的濃度均采用二次諧波峰值來衡量， 到下一個采樣時間時， 參比氣室會進行換氣操作， 設(shè)置參比氣室主要是為了考慮單位采樣時間內(nèi)的環(huán)境因素。 信號檢測模塊由光電檢測器、 鎖相放大器組成， 用于檢測穿過氣體氣室模塊后衰減的特定載波頻率激光信號并解調(diào)產(chǎn)生二次諧波信號峰值。 數(shù)據(jù)采集模塊由傳感器組和數(shù)據(jù)采集單元組成， 傳感器組用于實時實獲取影響光合速率測定的各項關(guān)鍵環(huán)境參數(shù)， 主要由光照度傳感器、 溫度傳感器、 濕度傳感器、 CO2傳感器、 O2傳感器、 氣壓傳感器組成， 數(shù)據(jù)采集單元則包括數(shù)據(jù)采集卡、 存儲卡等， 用于采集、 存儲、 傳送由鎖相放大器解調(diào)出的二次諧波信號峰值和傳感器組獲取的各項關(guān)鍵環(huán)境參數(shù)組成的樣本數(shù)據(jù)。 數(shù)據(jù)處理模塊通過計算機處理數(shù)據(jù)采集單元傳送過去的數(shù)據(jù)， 并完成最終光合速率測定結(jié)果的驗證及輸出顯示。

圖1 基于TDLAS-FA-BLS的開路式光合作用速率測量系統(tǒng)結(jié)構(gòu)示意圖

1.2 工作原理

1.1節(jié)中光合作用速率測量系統(tǒng)的基本工作原理為： 從信號產(chǎn)生模塊開始， 首先將高頻正弦波信號加載到信號發(fā)生器， 信號發(fā)生器提供的鋸齒波信號與之前加載的高頻正弦波信號疊加， 疊加后的信號加載到激光控制器， 經(jīng)過調(diào)制的電流通過激光控制器加載到激光器； 激光器產(chǎn)生調(diào)制波長同時具備掃描鋸齒波、 高頻正弦波特征的光束， 光束通過分束器分為兩路， 兩路光束均經(jīng)過準(zhǔn)直器準(zhǔn)直后進入氣體氣室模塊， 即盛有光合作用氣體CO2的雙氣室， 其中一路進入?yún)⒈葰馐遥?另一路經(jīng)過分析氣室； 之后經(jīng)由氣體介質(zhì)吸收后的兩路信號穿過氣體氣室模塊進入信號檢測模塊， 而后兩路信號首先分別由光電檢測器檢測得到， 并由光電檢測器將接受到的光學(xué)信息轉(zhuǎn)換為電信號， 電信號進一步經(jīng)由鎖相放大器解調(diào)產(chǎn)生二次諧波信號峰值， 之后二次諧波信號峰值和數(shù)據(jù)采集模塊中傳感器組采集到的光照強度、 空氣溫度、 空氣濕度、 環(huán)境CO2濃度、 環(huán)境O2濃度、 環(huán)境大氣壓等環(huán)境參數(shù)對應(yīng)存儲到數(shù)據(jù)采集單元， 最后獲取的所有數(shù)據(jù)由數(shù)據(jù)采集單元傳送至數(shù)據(jù)處理模塊進行處理計算。

2 基本原理

2.1 TDLAS技術(shù)

在弱吸收或者痕量吸收條件下， 環(huán)境噪聲的存在會對吸收信號的檢測產(chǎn)生很大干擾， 為了實現(xiàn)在復(fù)雜惡劣環(huán)境下對濃度極低或者吸收極弱氣體的精準(zhǔn)測定， TDLAS通常結(jié)合波長調(diào)制技術(shù)(WMS)非接觸式實時實地定量分析現(xiàn)場痕量氣體的吸收信號， 吸收信號首先經(jīng)過高頻調(diào)制， 在諧波檢測時將會去除未經(jīng)調(diào)制的環(huán)境噪聲， 研究表明， 兩種技術(shù)的融合能夠顯著提高TDLAS技術(shù)在氣體檢測上的靈敏度和精確度， 其基本原理概述如下：

當(dāng)激光穿過氣體樣品池， 激光強度的變化遵循Beer-Lambert定律， 即檢測端輸出光強為

I′=Iaexp[-α(ν)]

(1)

式(1)中，Ia為入射激光強度，α(ν)為吸收率函數(shù)。

通過氣體樣品池的光強經(jīng)由光電檢測器接收后， 衰減的激光信號將被轉(zhuǎn)換成電流信號， 電信號通過鎖相放大器就能探測得到n次諧波分量的峰值Hn為

Hn=cI0BnL

(2)

式(2)中，Bn為n次諧波項系數(shù)，I0為未經(jīng)過波長調(diào)制的初始激光強度，c為待測氣體濃度，L為有效吸收光程。

偶次諧波分量在中心頻率處峰值較大， 奇次諧波分量在中心頻率處峰值為0， 而偶次諧波分量中二次諧波信號峰值最大， 故常選用二次諧波信號反演待測氣體濃度

(3)

式(3)中，H2為二次諧波峰值，B2為二次諧波項系數(shù)。

(4)

采用分析氣室和參比氣室的二次諧波峰值差表征光合作用時痕量CO2濃度相對變化， 降低或消除環(huán)境因素在測量階段對光合速率測定的影響， 由式(3)可得單位采樣時間內(nèi)的CO2痕量濃度變化c0表示為式(5)

(5)

2.2 基于螢火蟲算法優(yōu)化的寬度學(xué)習(xí)環(huán)境補償模型

寬度學(xué)習(xí)(BLS)網(wǎng)絡(luò)由Chen C L P等[9]首次提出， 其前身是隨機向量函數(shù)連接神經(jīng)網(wǎng)絡(luò)(RVFLNN)， 區(qū)別于深度學(xué)習(xí)網(wǎng)絡(luò)， BLS通過增加寬度提高網(wǎng)絡(luò)的精度， 網(wǎng)絡(luò)結(jié)構(gòu)簡單、 訓(xùn)練參數(shù)少、 計算速度快， 且增加節(jié)點后由增量學(xué)習(xí)算法完成模型的快速更新， 無需重新訓(xùn)練整個網(wǎng)絡(luò)， 適用于對實時性要求高的系統(tǒng)， 被廣泛應(yīng)用于圖像處理[10-12]、 目標(biāo)跟蹤[13]、 故障診斷[14]等領(lǐng)域。 圖2是一種典型的BLS網(wǎng)絡(luò)結(jié)構(gòu)。

圖2 一種典型的BLS網(wǎng)絡(luò)結(jié)構(gòu)

在實際的光合速率測量中， 因為野外測量環(huán)境的復(fù)雜性以及各項環(huán)境因素的不可控性， 其測量值極易受到外界環(huán)境影響在短時間內(nèi)發(fā)生急劇變化， 對測量方法或者系統(tǒng)的實時性和測量精度要求極高， 因此提出基于螢火蟲算法[15]優(yōu)化的寬度學(xué)習(xí)(FA-BLS)環(huán)境補償模型對存在環(huán)境影響的原始二次諧波峰值差進行補償。

設(shè)BLS的特征映射層有n組特征節(jié)點(每組q個)、 增強層有m個增強節(jié)點。 凈光合速率測定所需輸入對應(yīng)向量矩陣表示為X=[x1,x2, …,xt]，t為樣本數(shù)據(jù)個數(shù)。X首先經(jīng)過特征映射轉(zhuǎn)化為特征節(jié)點， 則第i組特征節(jié)點Fi為

Fi=φ(XWFi+βFi)，i=1， …，n

(6)

式(6)中，WFi和βFi分別為第i組特征節(jié)點的權(quán)值和閾值。 特征節(jié)點組合得到特征矩陣F=[F1，F(xiàn)2， …，F(xiàn)n]， 則增強節(jié)點Γj為

Γj=ξ(FWΓj+βΓj)，j=1， …，m

(7)

式(7)中，WΓj和βΓj分別為第j組增強節(jié)點的權(quán)值和閾值。 同理， 增強節(jié)點組合得到增強矩陣Γ=[Γ1，Γ2， …，Γm]。 特征結(jié)點和增強節(jié)點組合構(gòu)成BLS輸入層， 即輸出層為

Y=[F，Γ]WY

(8)

式(8)中，WY為輸出層權(quán)值， 其值為[F，Γ]+Y， 偽逆[F，Γ]+由嶺回歸算法得到。

特征映射層參數(shù)WFi和βFi， 增強層參數(shù)WΓj和βΓj以及輸出層參數(shù)WY， 其初始值均隨機生成， 故易出現(xiàn)網(wǎng)絡(luò)輸出穩(wěn)定性和泛化性不高的問題。 FA-BLS模型中， 每只螢火蟲的位置信息對應(yīng)表征BLS網(wǎng)絡(luò)參數(shù)的一組可行解， 根據(jù)螢火蟲位置信息計算其亮度值， 亮度低的螢火蟲向亮度高的靠近， 亮度高的則可以隨機聚集到較亮的螢火蟲周圍， 最終找到亮度最高的螢火蟲位置， 即通過逐次全局尋優(yōu)迭代獲取使模型性能最優(yōu)的權(quán)值和閾值， 其具體過程如圖3所示。

圖3 FA-BLS模型流程圖

在逐次迭代尋優(yōu)過程中， 兩只螢火蟲間相對吸引度β計算公式為

(9)

式(9)中，β為螢火蟲i到螢火蟲j的相對吸引度，β0為螢火蟲i在r=0處的吸引度， 即最大吸光度，βmin為最小吸光度， 最大吸光度和最小吸光度一般因?qū)嶋H問題需求的不同而設(shè)定不同，γ為光吸收系數(shù)，rij為螢火蟲i，j之間的距離，d為待優(yōu)化參數(shù)的維數(shù)。

螢火蟲i位置更新公式為

xi(t+1)=xi(t)+β[xj(t)-xi(t)]+αtεi

(10)

式(10)中，t為迭代次數(shù)，xi(t+1)為螢火蟲迭代更新后的位置，xi(t)為螢火蟲迭代更新前的位置，xj(t)為目標(biāo)螢火蟲的位置，β為螢火蟲i到螢火蟲j的相對吸引度，α為隨機項的系數(shù)，εi為隨機數(shù)。

(11)

則植物單位時間單位葉面積上CO2的吸收量， 即凈光合作用速率為

(12)

式(12)中，Pn為凈光合速率，c0為CO2痕量濃度差，F(xiàn)為氣體流量，D為CO2的密度，S為葉片面積。

3 分析驗證

基于TDLAS-FA-BLS植物凈光合作用速率方法實現(xiàn)對凈光合速率的測定分為測量和補償階段。 測量階段由TDLAS技術(shù)采集二次諧波峰值和傳感器組采集各項關(guān)鍵環(huán)境參數(shù)， 并最終形成樣本數(shù)據(jù)； 補償階段則通過FA-BLS環(huán)境補償模型補償受到環(huán)境影響的初始二次諧波峰值差。 為了驗證所提出模型的性能， 通過查詢Hitran數(shù)據(jù)庫， 綜合考慮吸收譜線強度和其余背景氣體的干擾， 選擇CO2吸收譜線的中心波長為2.004 μm， 并實地采集了3 000組影響植物光合作用速率的各項關(guān)鍵環(huán)境參數(shù)、 二次諧波峰值差， 以及通過對比實驗得到的二次諧波峰值差補償值構(gòu)成樣本數(shù)據(jù)集， 其中各項關(guān)鍵環(huán)境參數(shù)包括光照強度、 空氣溫度、 空氣濕度、 環(huán)境CO2濃度、 環(huán)境O2濃度、 環(huán)境大氣壓。 模型輸入向量由各項環(huán)境參數(shù)、 二次諧波峰值差構(gòu)成； 模型輸出是預(yù)測的二次諧波峰值差補償值， 在進行模型預(yù)測前， 對輸入因素和輸出變量均進行了歸一化處理。

隨機選取樣本集組數(shù)據(jù)作為測試集， 其余數(shù)據(jù)作為訓(xùn)練集， 以測試集和模型輸出的卡方距離衡量TDLAS-FA-BLS的輸出誤差， 仿真實驗中取t=800， 模型的其余參數(shù)設(shè)置如下： 最大吸收度β0=1， 最小吸收度βmin=0.2， 光吸收系數(shù)γ=1， 隨機項系數(shù)α=0.5， 最大迭代次數(shù)為100， 迭代精度為1×10-5， 特征映射層節(jié)點數(shù)n=10， 每組節(jié)點數(shù)q=10， 增強層節(jié)點數(shù)為m， 螢火蟲種群規(guī)模為N。

仿真實驗基于MATLAB R2021a編程實現(xiàn)， 計算環(huán)境為2.90 GHz主頻， Inter core i5-9400F處理器、 16.00 GB內(nèi)存的計算機。

3.1 種群規(guī)模對模型精度的影響

FA-BLS環(huán)境補償模型中， 最終螢火蟲集聚位置所代表的參數(shù)和閾值作為BLS網(wǎng)絡(luò)的最優(yōu)參數(shù)集合， 因此FA算法對BLS網(wǎng)絡(luò)的權(quán)值和閾值的迭代尋優(yōu)是精準(zhǔn)補償?shù)年P(guān)鍵， 其中螢火蟲種群規(guī)模大小是影響FA-BLS模型的迭代精度和速度的主要因素之一， 集聚螢火蟲的數(shù)量最多的位置可以作為螢火蟲種群設(shè)置的參考依據(jù)。 若種群規(guī)模太小， 螢火蟲尋優(yōu)迭代能力不足， 種群進一步移動和優(yōu)化受限， 且無法得到預(yù)期的模型精度， 若種群規(guī)模太大， 模型迭代時間過長， 收斂速度過慢， 穩(wěn)定性也不高。 取m=100， 依次設(shè)定N為10， 20， 30， 40和50生成初始螢火蟲種群， 模型輸出誤差如圖4所示， 可見模型的收斂速度快， 且隨著種群規(guī)模的增加， 輸出誤差越來越小， 但值得注意的是，N值由10增至50， 模型平均迭代時間從0.15 s增至3.62 s， 時間復(fù)雜度隨之成倍數(shù)增加， 因此同時考慮種群規(guī)模對模型精度和迭代速度的影響， 后續(xù)的討論均選擇N=20。

圖4 種群規(guī)模對FA-BLS模型誤差的影響

3.2 增強層節(jié)點數(shù)對模型精度的影響

設(shè)置FA-BLS模型結(jié)構(gòu)參數(shù)時， 特征映射層節(jié)點和輸出層節(jié)點數(shù)可根據(jù)輸入數(shù)據(jù)的特征和期望迭代精度需求調(diào)整， 且節(jié)點數(shù)目在相同增加幅度下， 增強層節(jié)點個數(shù)對模型精度的影響更大， 因此選擇適當(dāng)?shù)脑鰪妼庸?jié)點數(shù)有益于模型達到更優(yōu)的性能。 增強層節(jié)點數(shù)過大， 模型精度增加的同時必然伴隨著時間復(fù)雜度的提升， 模型泛化性能也會降低， 節(jié)點數(shù)目過少， 雖迭代時間短， 但模型容錯性和穩(wěn)定性不高。 增強層節(jié)點數(shù)m的值依次取100， 200， 300， 400和500， 模型輸出誤差如圖5所示。 隨著m的增加， 模型誤差逐漸降低， 模型穩(wěn)定性提升， 同樣地，m的值由100增至500， 模型平均迭代時間0.57 s增至1.98 s， 基于對模型精度和速度的考慮， 后續(xù)的討論均選擇m=200。

圖5 增強層節(jié)點數(shù)對FA-BLS模型誤差的影響

3.3 性能比較

實驗中選取卷積神經(jīng)網(wǎng)絡(luò)(CNN)、 長短期記憶網(wǎng)絡(luò)(LSTM) 2種深度學(xué)習(xí)網(wǎng)絡(luò)及BLS網(wǎng)絡(luò)， 與FA-BLS模型的性能進行對比， CNN的結(jié)構(gòu)采用卷積層(4)+全連接層(3)+歸一化層(4)+激勵層(4)+dropout層(1)+回歸層(1)， LSTM的結(jié)構(gòu)采用LSTM層(1)+全連接層(3)+ dropout層(1)+回歸層(1)， 其中隱藏單元數(shù)為1 000。 選擇卡方距離(chi-square distance, CSD)、 平均絕對誤差(MAE)、 均方根誤差(RMSE)、 平均絕對百分比誤差(MAPE)、 對稱平均絕對百分比誤差(SMAPE) 5個性能評測指標(biāo)來衡量四種模型的輸出誤差， 結(jié)果如表1所示。 由表可知， CNN和LSTM兩種模型的輸出誤差較高且平均迭代時間較長， FA-BLS的誤差最小， 即FA-BLS的精度最高， 其平均迭代時間也僅略高于BLS， 主要原因是螢火蟲種群的逐次全局尋優(yōu)迭代增加了一定的時間成本， 同時由表2可知， FA-BLS輸出誤差的樣本方差(sample variance, SV)和樣本標(biāo)準(zhǔn)差(sample standard deviation, STD)明顯低于BLS， 可見FA-BLS輸出數(shù)據(jù)穩(wěn)定性更高。

表1 四種模型輸出誤差對比

表2 BLS和FA-BLS輸出數(shù)據(jù)穩(wěn)定性對比

4 結(jié) 論

精準(zhǔn)農(nóng)業(yè)測量是現(xiàn)代農(nóng)業(yè)向自動化、 精細化、 智能化生產(chǎn)的重要方向， 為了實現(xiàn)對植物凈光合作用速率的精準(zhǔn)快速測定， 提出了一種基于TDLAS-FA-BLS的光合速率測定方法， 并介紹了一種開路式光合作用速率測量系統(tǒng)的系統(tǒng)結(jié)構(gòu)和工作原理， 提出將抗干擾能力強、 測量精度高的TDLAS技術(shù)引入光合速率測定領(lǐng)域， 使用DFB激光源替代傳統(tǒng)方法的紅外光源， 采用二次諧波峰值差表征單位采樣時間內(nèi)的CO2消耗量， 從而降低了在復(fù)雜惡劣的野外環(huán)境下數(shù)據(jù)采集時環(huán)境因素對氣體濃度測量的干擾； 通過建立FA-BLS環(huán)境補償模型得到二次諧波峰值差補償值來補償實際測量中存在的誤差， 進一步降低環(huán)境干擾的影響程度。 實驗結(jié)果表明： (1) 在綜合考慮模型迭代速度和輸出精度的基礎(chǔ)上， 適當(dāng)?shù)奈灮鹣x種群數(shù)目和增強層節(jié)點選擇對發(fā)揮FA的全局搜索尋優(yōu)能力及BLS的訓(xùn)練速度至關(guān)重要； (2) 從仿真結(jié)果看， FA-BLS的輸出數(shù)據(jù)穩(wěn)定性更高， 其輸出誤差的樣本方差和樣本標(biāo)準(zhǔn)差依次為7.207 098×10-11和8.489 463×10-6， 均遠小于BLS, 表明FA-BLS克服了BLS因參數(shù)的隨機選擇性導(dǎo)致的數(shù)據(jù)分布不穩(wěn)定和網(wǎng)絡(luò)泛化性不高的問題； (3) CNN， LSTM及BLS的性能比較結(jié)果顯示， 基于TDLAS-FA-BLS的光合速率測定方法其平均迭代時間為0.81 s， 且衡量模型輸出與測試集誤差的5種性能評測指標(biāo)(MAE， RMSE， MAPE， SMAPE和CSD)均比其余三種模型小， 說明該模型迭代速度快、 輸出誤差小、 預(yù)測精度高， 能夠很好地適應(yīng)野外復(fù)雜實際農(nóng)業(yè)生產(chǎn)環(huán)境的測定需求， 基本滿足精準(zhǔn)農(nóng)業(yè)的高精度和實時性要求， 可用于未來農(nóng)業(yè)生產(chǎn)以及科學(xué)研究中光合作用速率的精準(zhǔn)測量和定量分析。